第四章 研究結果
第六節 照顧者壓力因應歷程的模式分析
為驗證本研究架構，以瞭解壓力因應歷程中的「壓力源」、「家庭功能」、「負 向照顧評價」、「自我效能」與「因應策略」對照顧者「憂鬱程度」的影響，本研 究以結構方程模式（Structural Equation Modeling，SEM）進行探討。
陳、王（2012）指出結構方程式具有下列優點，因此本研究採用結構方程模 式進行模式之建立及檢驗：
1. 可同時考慮及處理多個依變項(endogenous/dependent variable) ，可降低第一型 錯誤。
2. 考慮自變項與依變項的測量誤差，並且將測量誤差從項目的變異量中抽離出來，
使得因素負荷量具有較高的精確度。
3. 與因素分析類似，SEM 可同時估計指標變項的信度及效度。
4. 包含多種不同的模式指標，讓研究者可以從不同的角度來評估模式的適配度。
5. 可對整體因素模式作統計評估，來瞭解理論所建構之模式與所蒐集資料間的符 合程度，適合用於理論模式之檢定。
根據文獻探討及上述之相關性分析結果，本研究原始模型之架構如圖二，包 含潛在變項所構成的結構模式，以及許多觀察變項構成的測量模式，結構模式為 解釋變項間整體關係，觀察變項分別表示「家庭功能」、「負向照顧評價」、「自 我效能」、「因應策略」與「憂鬱程度」各潛在變項的因素測量關係。架構中照 顧者的壓力源為「患者神經精神症狀總分（NPI-12）」對「負向照顧評價」有直 接的影響效果，「家庭功能」分別對「負向照顧評價」、「自我效能」、「因應
策略」有直接影響效果，「負向照顧評價」分別對「因應策略」及「憂鬱程度」
有直接影響效果，「自我效能」分別對「因應策略」及「憂鬱程度」有直接影響 效果，「因應策略」對「憂鬱程度」有直接影響效果。
圖二 壓力因應歷程之原始模型
（一）常態性檢定
結構方程式在執行參數估計時，最常使用最大概似估計法(Maximum
likelihood)，使用此估計法時資料須符合常態性假設，才能維持模式的穩定。判別 常態性假設成立與否，研究者多以資料的偏態（skewness）絕對值小於 3 與峰度
（kurtosis）的絕對值小於 10 作為判別的依據。由表 4-27 得知，本研究變項經由 常態分析檢定結果，各變項之偏態與峰度均達到檢定標準，故可視為常態分佈（陳、
王，2012）。憂鬱程度的人際困擾次量表偏態為 3.478，未符合常態分佈，並且人 際困擾次量表只有 2 題，在前述信度分析 Cronbach 's α 值為 0.65 偏低，因此將之
刪除，未納入結構方程式之分析。
（二）違犯估計檢驗
在評鑑模式與結果分析之前，需先檢視模式是否有違犯估計（Offending Estimates）的狀況產生，代表整個模型的估計是不正確的。一般發生違犯估計有以 下三種現象：1.有負的誤差變異數存在；2.標準化迴歸係數超過或太接近 1（≧0.95）； 3.有太大的標準誤（陳、王，2012）。在本研究中進行各變項測量模式的檢驗，發 現所有的測量誤差變異數均為正數、標準化迴歸係數均小於 0.95；但是在標準誤 的檢驗結果，由表 4-28 發現「照顧評價」對「因應策略」的徑路以及「自我效能」
對「因應策略」徑路的 C.R.值不顯著，代表有太大的標準誤，因此判斷原始模型 存在違犯估計的問題，必須進行模型之修正，因此刪除這兩條徑路之後重新分析
（圖三）。
由表4-29可知，以修正後之理論模型式進行違犯估計檢驗，結構方程模式之誤 差變異數均為正數；標準化迴歸係數絕對值介於0.128至0.899之間，未超過0.95；
且C.R.值均顯著，無太大之標準誤，未出現違犯估計現象，故可進行整體模式適配 度檢驗。
表 4-27 研究變項常態檢定結果
研究變項 偏態（skewness） 峰度（kurtosis）
角色 -0.837 1.100 問題解決 -1.075 1.626 界線 -0.834 0.533 受到肯定 -0.964 1.061 經濟負荷 0.906 1.104 時間負荷 -0.034 -0.318 健康負荷 -0.018 -0.651 問題處理策略 -0.479 2.092 認知策略 -0.074 3.034 症狀處理策略 -0.552 0.555 獲得休息效能 -0.929 0.127 回應干擾效能 -0.659 0.255 控制想法效能 -0.700 0.230 身體症狀 1.138 1.359 憂鬱情緒 1.402 2.057 人際困擾 3.478 5.206 正向情感 -0.142 -0.399
圖三 壓力因應歷程之修正模型
表 4-28 原始模型變項間之參數估計結果
變 項 非標準化
參數估計值 標準誤 C.R.值 標準化參 數估計 e3 0.288 0.031 9.258
e4 0.203 0.021 9.746 e5 0.135 0.017 8.082 e6 0.258 0.024 10.832 e7 0.159 0.019 8.586 e8 473.27 43.367 10.913 e9 233.036 23.379 9.968 e10 87.43 27.725 3.153 e11 0.062 0.014 4.483 e12 0.076 0.009 8.29 e13 0.242 0.023 10.539 e14 0.058 0.007 8.435 e15 0.064 0.011 5.689 e16 0.352 0.03 11.567 e17 0.287 0.042 6.769 e18 0.139 0.02 6.831 e19 154.074 33.99 4.533 e20 0.048 0.009 5.629 未列標準誤者為參照指標，為限制估計參數
*p< .05, **p< .01, ***p< .001
表 4-29 修正後模型變項間之參數估計結果
變 項 非標準化
參數估計值 標準誤 C.R.值 標準化參 數估計 e6 0.258 0.024 10.84***
e7 0.16 0.019 8.618***
e8 472 43.512 10.848***
e9 233.205 23.409 9.962***
e10 88.264 28.04 3.148**
e11 0.059 0.014 4.145***
e12 0.078 0.009 8.567***
e13 0.242 0.023 10.52***
e14 0.058 0.007 8.427***
e15 0.064 0.011 5.69***
e16 0.352 0.03 11.569***
e17 0.287 0.042 6.786***
e18 0.145 0.021 6.985***
e19 154.546 34.072 4.536***
e20 0.049 0.009 5.64***
未列標準誤者為參照指標，為限制估計參數
*p< .05, **p< .01, ***p< .001
（三）整體模式適配度
模型配適度計算主要是由卡方值所主導，卡方值愈大，模型配適度就會變差，
而卡方值會受到樣本數、模型複雜度及資料非多元常態的影響，當樣本數大於 200 以上通常會造成卡方值過大，容易拒絕虛無假設（陳、王，2012）。因此 Bollen 與 Stine（1992）提出 Bootstrape 修正方法，使用 AMOS 軟體內建的 Bollen-stine Bootstrap，經過 1000 次 Bootstrap 之後，重新計算卡方值，再利用所得的卡方值重 新計算每一個配適度指標。在本研究中原來的 ML 卡方值 409.28，經 Bollen-stine p correction 程序修正後卡方值為 135.80，重新計算配適度得到表 4-30 之結果。
由表4-30可知修正後模式整體模式適配度，在絕對適配度指標方面，χ2與自由 度的比值為1.235（小於3）、適配指標（GFI）為0.947、調整後適配指標（AGFI）
為0.913、均大於0.90，平均近似誤差均方根（RMSEA為0.027），符合小於0.08的 標準，代表假設理論模式適配理想。在增值適配度指標方面，非規範適配指標（TLI）
為0.987、增值適配指標（IFI）為0.989及比較適配指標（CFI）為0.989，均大於0.90，
表示假設理論模式與觀察資料的差距程度非常小，模式適配良好。在精簡適配度 指標方面，本研究簡約配適度指標（PGFI）為0.633、調整後的規範適配指標（PNFI）
為0.691及簡約比較適配指數（PCFI）為0.721均大於0.50，表示假設理論模式精簡 適配。綜合以上檢驗結果可知，本研究修正後模式與觀察資料非常適配且相當簡 約。
表 4-30 整體模式適配度檢驗結果
統計檢定量 適配度標準 模式檢定結果 適配判斷
絕對適配度指標Bollen-Stine χ2 越小越好 135.8 是 Normed Chi-square (χ2/DF) 1<χ2/DF<3 1.235 是
GFI >0.9 0.947 是
AGFI >0.9 0.913 是
RMSEA <0.08 0.027 是
增值適配度指標
TLI >0.9 0.987 是
CFI >0.9 0.989 是
IFI >0.9 0.989 是
精簡適配度指標
PGFI ＞0.50 0.633 是
PNFI ＞0.50 0.691 是
PCFI ＞0.50 0.721 是
（四）模式內在結構適配度
由表4-31可知，本研究各測量變項的因素負荷量，除了經濟影響（0.509）與 獲得休息效能（0.532），其餘測量變項的因素負荷量均在0.6以上，且所有估計的 參數都達顯著水準；另外，潛在變項的組合信度（CR值）均在0.708以上（陳、王，
2012），由以上分析結果顯示本模式符合內在品質的要求。
各個潛在變項的建構，在「家庭功能」構面，包括「角色」、「問題解決」、「界 線」及「肯定」4個觀察變項，各個觀察變項的因素負荷量及解釋力（R2）大小，
依序分別為「問題解決」之標準化迴歸係數為 0.879（p< .001），解釋變異量為0.773；
「肯定」之標準化迴歸係數為 0.868（p< .001），解釋變異量為0.753；「角色」之 標準化迴歸係數為 0.819（p< .001），解釋變異量為0.671；「界線」之標準化迴歸 係數為 0.755（p< .001），解釋變異量為0.57。表示「家庭功能」受到潛在變項「問 題解決」影響的強度最高。
在「負向照顧評價」構面，包括「健康影響」、「經濟影響」、「時間限制」3個 觀察變項，各個觀察變項的因素負荷量及解釋力（R2）大小，依序分別為「健康 影響」之標準化迴歸係數為0.776（p< .001），解釋變異量為0.602；「時間限制」之 標準化迴歸係數為 0.707（p< .001），解釋變異量為0.50；「經濟影響」的影響力最 小，標準化迴歸係數為 0.509（p< .001），解釋變異量為0.259。表示「負向照顧評 價」受到潛在變項「健康負荷」影響的強度最高，亦為「負向照顧評價」構面預 測照顧者「憂鬱程度」最重要的因素。
在「照顧自我效能」構面，包括「獲得休息效能」、「控制沮喪想法效能」、「處 理干擾行為效能」3個觀察變項，各個觀察變項的因素負荷量及解釋力（R2）大小，
依序分別為「控制沮喪想法效能」之標準化迴歸係數為0.887（p< .001），解釋變異 量為0.787；「處理干擾行為效能」之標準化迴歸係數為 0.680（p< .001），解釋變
異量為0.462；「獲得休息效能」的影響力最小，標準化迴歸係數為 0.532（p< .001），
解釋變異量為0.283。表示「照顧自我效能」受到潛在變項「控制沮喪想法效能」
影響的強度最高，為「照顧自我效能」構面預測照顧者「憂鬱程度」最重要的因 素。
在「因應策略」構面，包括「壓力處理」、「改變認知」、「問題解決」3個觀察 變項，各個觀察變項的因素負荷量及解釋力（R2）大小，依序分別為「問題解決」
之標準化迴歸係數為0.851（p< .001），解釋變異量為0.724；「改變認知」之標準化 迴歸係數為 0.706（p< .001），解釋變異量為0.498；「壓力處理」的影響力最小，
標準化迴歸係數為 0.611（p< .001），解釋變異量為0.373。表示「因應策略」受到 潛在變項「問題解決」因應策略影響的強度最高，為「因應策略」構面預測照顧 者「憂鬱程度」最重要的因素。
在「憂鬱程度」構面，包括「身體症狀」、「憂鬱情緒」、「正向情感」3個觀察 變項，各個觀察變項的因素負荷量及解釋力（R2）大小，依序分別為「憂鬱情緒」
之標準化迴歸係數為0.899（p< .001），解釋變異量為0.808；「身體症狀」之標準化 迴歸係數為 0.841（p< .001），解釋變異量為0.707；「正向情感」的影響力最小，
標準化迴歸係數為 0.591（p< .001），解釋變異量為0.349。表示潛在變項「憂鬱情 緒」及「身體症狀」，最能夠反應照顧者的「憂鬱程度」。
表4-31 模式內在結構適配度檢定結果
照顧者的「家庭功能」預測「負向照顧評價」徑路，標準化迴歸係數（β）-0.332，
達顯著水準（p< .001），表示照顧者的「家庭功能」會影響其「負向照顧評價」，
照顧者家庭中的「角色」、「問題解決」、「界線」、「肯定」功能越佳時，照 顧者認為照顧工作造成的「健康負荷」、「經濟負荷」、「時間限制」越低。故 研究假設 6-1「照顧者的家庭功能」對其「負向照顧評價」有顯著影響；照顧者「家 庭功能」愈佳，「負向照顧評價」愈低可獲得驗證。另外，由圖四顯示「家庭功 能」與「神經精神症狀」對「負向照顧評價」共同的解釋力 R2為 0.17。
照顧者的「家庭功能」預測「照顧自我效能」徑路，標準化迴歸係數（β）0.415，
達顯著水準（p< .001），解釋力 R2為 0.17。表示照顧者的「家庭功能」會影響「照 顧自我效能」，照顧者家庭中的「角色」、「問題解決」、「界線」、「肯定」
功能越佳時，照顧者的「獲得休息效能」、「控制沮喪想法效能」、「處理干擾
功能越佳時，照顧者的「獲得休息效能」、「控制沮喪想法效能」、「處理干擾